在非增强型计算机断层扫描中改善急性中风评估:用于早期缺血病变体体积检测的自动化工具
Mara Sabina Bernardi1, Alex Rodriguez1,2, Paola Caruso3
1Molecular and Statistical Biophysics Group, International School for Advanced Studies (SISSA), Via Bonomea 265, 34136, Trieste, Italy.
概括
一个新的算法在非增强型计算机断层扫描 (NECT) 扫描中自动量化早期缺血变化. 这种体积标志物改善了与标准ASPECTS评分相比,对急性缺血性中风患者的临床结果的预测.
科学领域:
- 神经成像是一种神经成像.
- 放射学 放射学是一门学科.
- 脑卒中医学 脑卒中医学
背景情况:
- 在NECT中用于早期中风检测的ASPECTS得分具有个体间的可变性,对于非专家来说可能具有挑战性.
- 对神经成像数据的自动化分析对于客观和可重复的临床评估至关重要.
研究的目的:
- 在NECT上开发和验证一种算法,以自动估计3D空间中早期缺血变化的体积范围.
- 为了比较这个自动体积标记器的预测能力与急性缺血性中风的临床结果的标准ASPECTS得分.
主要方法:
- 对153名急性缺血性中风患者的神经成像数据的分析,包括入院和随访时的NECT.
- 开发一种算法,通过将大脑半球之间的灰色水平进行比较来识别早期缺血性低沉区域.
- 对算法的识别区域与经验丰富的从业人员分配的ASPECTS分数进行验证.
主要成果:
- 在标准切片中,算法识别的区域和从业人员评估的ASPECTS区域之间观察到显著的重叠.
- 自动体积标记在许多患者中发现了超越标准切片的缺血变化,提供了补充信息.
- 体积标志物在分辨临床结果方面表现出更高的统计可靠性,患者得分为0,而ASPECTS得分为10.
结论:
- 自动化算法准确地识别了3D空间中急性缺血区域的体积延伸和位置.
- 量度数据与专家评估的ASPECTS值在很大程度上一致,但提供了补充和独立的预测信息.
- 这种自动化方法提高了早期缺血变化的评估,并改善了中风患者的临床结果预测.
